空中无人加油自主对接导航制导与控制

空中自主加油技术能大大提高无人机的航程航时,在军用和民用上都有着十分重要的意义。受编队气动干扰、模型不确定性、头波效应、阵风干扰等因素影响,空中无人加油的对接段是所有阶段中精度要求最高和控制难度最大的一个阶段,其导航制导与控制技术是目前研究的难点和热点。本文针对无人-无人空中自主加油场景,深入研究了软管式空中加油自主对接段的鲁棒抗扰导航制导与控制技术并进行了飞行试验验证。首先,为实现受油机加速对接时高度控制不出现振荡,采用总和能量法设计纵向制导律以实现对接末段高度和速度的协调控制;其次,为提高风干扰下的对接控制精度,分别针对加油机和受油机在不同飞行阶段的轨迹跟踪特点采用L1非线性制导思想设计了横向制导律,并采用鲁棒伺服方法设计内环姿态控制律,将积分环节引入角速率控制回路提升系统型别以更好抑制外界扰动对系统的影响;然后,基于单阶段深度学习目标检测算法YOLOV4开发了锥套识别与定位算法,在强光、云雾等复杂条件下进行采样和训练以大大提升视觉系统的鲁棒性,并采用扩展卡尔曼滤波算法将图像定位信息与RTK定位信息进行融合用于相对导航;最后,设计了无人机空中加油自主对接模拟飞行试验方案,在最大程度...     

动量环式主动增稳加油锥套建模与飘摆抑制

空中加油软管-锥套受大气紊流等干扰产生飘摆运动,加大了对接过程的不确定性和危险性。创新设计了一种自旋动量环式主动增稳加油锥套,在锥杯处集成一对偏置动量环实现飘摆抑制,避免传统翼舵式锥套回收时舵面与加油机吊舱口撞击风险。基于拉格朗日方程建立了考虑动量环旋转的多级串连单摆系软管-锥套系统运动模型,分析了阵风及大气紊流干扰对锥套飘摆运动特性的影响,提出了基于动量环控制的飘摆抑制方法,仿真表明该方法能够有效缩短阵风干扰下锥套收敛至稳态位置的时间,减小大气紊流干扰下锥套飘摆幅度,削弱高频动态响应。     

基于深度强化学习的智能空战决策与仿真

飞行器空战智能决策是当今世界各军事强国的研究热点。为解决近距空战博弈中无人机的机动决策问题，提出一种基于深度强化学习方法的无人机近距空战格斗自主决策模型。决策模型中，采取并改进了一种综合考虑攻击角度优势、速度优势、高度优势和距离优势的奖励函数，改进后的奖励函数避免了智能体被敌机诱导坠地的问题，同时可以有效引导智能体向最优解收敛。针对强化学习中随机采样带来的收敛速度慢的问题，设计了基于价值的经验池样本优先度排序方法，在保证算法收敛的前提下，显著加快了算法收敛速度。基于人机对抗仿真平台对决策模型进行验证，结果表明智能决策模型能够在近距空战过程中压制专家系统和驾驶员。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。